《Water Research》：An Interpretable Grid-Resolution Machine Learning Framework for Predicting Biofilm Detachment
编辑推荐：
生物膜脱落影响水体系统中的生物质释放、微生物扩散与运行稳定性。然而，预测脱落发生的时间与位置仍然困难。多数现有模型依赖整体尺度描述，无法分辨微尺度结构异质性。研究人员开发了一种网格分辨率框架，整合原位共聚焦激光扫描显微镜（CLSM）、计算流体动力学（CFD）与
生物膜脱落影响水体系统中的生物质释放、微生物扩散与运行稳定性。然而，预测脱落发生的时间与位置仍然困难。多数现有模型依赖整体尺度描述，无法分辨微尺度结构异质性。研究人员开发了一种网格分辨率框架，整合原位共聚焦激光扫描显微镜（CLSM）、计算流体动力学（CFD）与可解释机器学习，从耦合的结构与水动力信息中预测局部生物膜脱落。将三维Shewanella oneidensis MR-1生物膜离散为微米尺度网格，并与CFD衍生的局部剪切场配对，该流程产生26,653条局部观测数据集，关联生物膜形态、水动力暴露与脱落响应。在十种回归模型中，Extra-Trees Regressor表现出最佳综合预测性能与鲁棒性，因此被一致用于模型解释、分组验证、外部验证与逆预测。模型解释表明，局部脱落预测主要与结构脆弱性与附着支持之间的平衡相关；较大的局部厚度与较高的预测脱落相关，而基底层表现为稳定关联。由SHAP、PDP与ICE分析识别的厚度与剪切率过渡区间应被解释为系统特异的、数据驱动的模型响应区域，而非普适机理阈值。在受控多孔介质与模拟饮用水管系统中的外部验证支持了初步实验室尺度可迁移性，但适用性域分析显示外部预测含有外推成分。
研究背景与问题提出
生物膜是嵌入胞外聚合物（EPS）的结构化微生物群落，在天然与工程水生环境中广泛定殖。在水与废水处理系统中，生物膜兼具污染物降解与过度生长导致膜污染、管道腐蚀和病原体扩散的双重角色。脱落作为生物膜生命周期的关键阶段，控制生物质分布与下游定殖。现有宏观模型多将生物膜视为空间均质层，采用经验一级关系或整体临界剪切应力准则，无法刻画微尺度形态（厚度、粗糙度、基底覆盖）与局部流场耦合导致的时空异质性脱落。高分辨成像虽揭示微菌落与表面团簇等非均质特征，但缺乏同时量化微尺度形态、局部水动力与空间分布脱落的数据集，致使机器学习（ML）在该领域应用稀缺。为此，研究人员建立网格分辨率框架，在微米尺度耦合CLSM结构、CFD局部剪切率与可解释ML，预测局部脱落。
论文发表于《Water Research》，研究对象以Shewanella oneidensis MR-1为主，外部验证引入多孔介质中同源菌与模拟饮用水管中Staphylococcus epidermidis，旨在提供受控实验室条件下的空间分辨预测与解释工具。
主要关键技术方法
研究人员采用流动腔培养S. oneidensis MR-1生物膜（5、10、15天梯度），原位SYTO 9染色后以CLSM获取脱落前后三维堆栈（0.31 μm/像素，视野318×318 μm2）；BiofilmQ以1×1×0.5 μm体素提取厚度、粗糙度、基底厚度、底物比。同步在COMSOL中由荧光点云重建地形，以Navier–Stokes方程求解稳态流场，网格1×1×0.5 μm，输出局部剪切率。结构—流体场共配准至统一微米网格，剔除缺失值后得到26,653条五输入一输出观测。ML阶段随机分90%内部集与10%独立holdout，内部9折交叉；比较RF、ETR、GBR、LGBM、XGB、MLP、SVR、GAM、CBR、PySR十算法，以R2、RMSE、MAE选型；解释用SHAP、排列重要性、PDP、ICE；逆预测以差分进化在观测边界内反搜目标脱落率对应特征组合；外部验证含多孔介质S. oneidensis与管式S. epidermidis两组未参与训练的受控实验室队列。
研究结果
3.1 微尺度脱落与网格分析
3.1.1 CLSM显示同流速下厚而粗糙区（i）脱落比>0.5，薄而致密区（ii）基本保留；CFD截面表明突起团簇重定向流线、增大局部速度梯度。说明脱落为形态依赖的局部侵蚀与团簇移除而非均匀损失。
3.1.2 四档流速（0.21×10?3至4.2×10?3 m/s）下生物质释放比单调上升，最高近半释放；局部厚度损失直方图变宽，CFD剪切场异质性随流速增强；初厚—损失斜率随流速变陡。
3.1.3 数据集五变量为初厚、基底、粗糙度、剪切率、底物比，保留1 μm网格空间分辨率。
3.2 模型选型 ETR默认参数优于线性及LGBM/XGB等，树系集成捕捉非线性；留一图像验证接近随机划分，空间块验证稍弱，ETR学习曲线趋平台，holdout R2稳定。
3.3 驱动因素
3.3.1 SHAP表明初厚正向贡献最广，基底负向稳定；粗糙度与流速次之，底物比弱。
3.3.2 PDP显示初厚约12–13 μm、剪切率约0.18–0.20 s?1为系统特异响应过渡区非普适阈值；基底增厚单调降脱落。
3.3.3 ICE显示厚度效应受语境调节，厚+高糙+弱基底层最易脱。
3.4 外部验证与逆预测 多孔介质外部集R2=0.8694，管式S. epidermidis集R2=0.8305，holdout 0.8506；适用性域含外推。逆预测目标0.08 μm/min对应粗糙0.205、初厚8.53 μm、基底1.47 μm、底物比2.14，分布宽表多解。
3.5 意义 框架在受控条件下将微结构—局部水动力—脱落预测连接，指出不稳定来自结构脆弱与局部力学负载交互，非单指标可断。
讨论与结论翻译
讨论指出，该框架超越整体尺度描述，在微米尺度辨识高预测脱落易感区；初厚为主导失稳描述符、基底为主导稳定描述符，厚度约12–13 μm与剪切率0.18–0.20 s?1为数据驱动系统特异区；外部验证仅支持受控实验室迁移，逆预测组合未实验验证；真实水体含多物种、变EPS、消毒剂、瞬态水力等，尚非现场工具。
结论：本研究开发网格分辨率框架，整合原位CLSM、CFD与可解释ML，从耦合结构与水动力信息预测局部生物膜脱落。Extra-Trees Regressor性能最佳。解释显示脱落预测关联结构脆弱性与局部水动力暴露的非线性交互，初厚为主失稳、基底为主稳定描述符。厚度12–13 μm与剪切率0.18–0.20 s?1为测试流动腔数据集中系统特异数据驱动过渡区，非普适机理阈值。多孔介质与模拟管系统外部验证提供受控实验室可迁初步证据；逆预测给出假设生成级特征组合。整体为受控水生条件下微尺度架构关联局部脱落易感的空间分辨可解释框架。
